高中信息技术选择性必修4人工智能研究内容与应用教学设计

高中信息技术选择性必修4人工智能研究内容与应用教学设计一、教材分析与课标定位本课选自人教中图版（2019）高中信息技术选择性必修4《人工智能初步》第一章第3节，是学生系统接触人工智能学科的第一扇门。课标对选择性必修模块的要求是“通过具体案例，了解人工智能的核心研究领域，感受人工智能对人类学习、生活与工作的影响，辩证认识人工智能带来的机遇与挑战”。本节内容上承人工智能发展简史，下启机器学习、深度学习等核心技术，在整个模块中处于总纲地位。本课教学对象为高中二年级学生。经过必修课程学习，学生已掌握数据编码、算法程序设计、信息系统等基础知识，具备一定的数字化学习与创新能力。但他们对人工智能的认知多来自生活体验和媒体碎片，普遍存在“会用不知理、好奇不得法”的状况。部分学生已尝试过智能音箱、人脸识别门禁、拍照搜题等应用，但对背后的研究内容缺乏结构化认知，对技术边界与伦理问题缺少辩证思考。基于学情，本课确定三条教学主线：第一，以真实任务驱动，将人工智能四类核心研究内容嵌入可感知、可操作的情境；第二，以对比分析为方法，引导学生区分不同研究内容的技术本质；第三，以思辨讨论为落点，帮助学生形成负责任的技术观。二、核心素养目标本课教学目标指向信息技术学科四个核心素养维度。信息意识层面，学生能主动感知人工智能在社会生活中的应用场景，识别数据、算法、算力三大要素的应用价值。计算思维层面，学生能描述感知—推理—学习—行动的基本过程，初步理解知识表示与推理的运算逻辑。数字化学习与创新层面，学生能利用智能工具进行创意实践，体验应用人工智能解决问题的基本流程。信息社会责任层面，学生能就人工智能伦理与安全议题进行有理有据的讨论，形成辩证态度。三、教学重难点教学重点为人工智能四类研究内容的典型代表与应用场景，以及人工智能应用对人类生产生活的影响。教学难点为理解自然语言理解、计算机视觉、专家系统等技术背后的基本工作原理，以及辩证分析人工智能应用的双重影响。突破策略采用“体验—分解—迁移”三步法，先让学生在操作中建立感性经验，再通过思维可视化工具分解技术过程，最后借助新情境检验理解程度。四、教学环境与资源准备教学环境为网络计算机教室，学生两人一组共用一台终端，终端预装浏览器并开放百度AI开放平台测试接口。教师准备微课视频三段，内容包括无人驾驶汽车感知融合演示、智能客服对话日志分析、AlphaGo对弈棋谱可视化。另准备“人工智能研究内容分类卡”数字学案一套，包含拖拽式分类练习、案例匹配闯关游戏、观点辩论打分器三个交互组件。为应对网络波动，教师另将全部案例视频压缩为本地文件，确保断网环境下教学不断线。五、教学过程（一）情境导入——一辆车的智能之旅（8分钟）教师播放一段3分钟的城市道路无人驾驶汽车实拍视频。视频中有意保留画面中的天气切换、行人穿插、路标遮挡等复杂场景。播放结束后，教师在电子白板中央画出一辆车的简笔轮廓，引导学生说出视频中汽车做了哪些智能动作。学生七嘴八舌给出：“看清路况”“识别红灯”“躲避行人”“自己转弯”等答案。教师将学生答案归入四个预设圆环中，这四个圆环分别贴上“看”“想”“学”“动”的标签。此时不公布标准名称，只让学生心中有数：一辆智能汽车至少完成了四类不同性质的任务。教师顺势抛出本课核心问题：若要让人工智能完成这些任务，科学家究竟在研究什么？随即揭示课题并板书四大研究方向。此环节设计意图有三：其一，用高冲击力视频集中注意力，唤醒已有经验；其二，通过归类动作帮助学生建立朴素分类框架，为后续结构化学习做脚手架；其三，制造认知冲突，学生能感知“看”和“想”是不同问题，但说不清差异，从而激发求知欲。（二）新知建构——四大研究内容深度解析（22分钟）1.计算机视觉：教机器看懂世界教师先让学生集体体验“百度AI图片识别”小工具，上传一张包含一只猫和一只狗的图片，观察识别结果以及置信度数值。随后呈现同一物在不同光照、角度下的四张照片，提问：同一个物体换了外貌，机器怎么还能认得？学生讨论，教师借助像素矩阵模拟图，概述卷积神经网络提取边缘、纹理、部件、整体的层级特征过程，不展开数学推导，只展示“层层抽象”的示意图。第二个体验活动是刷脸支付模拟。学生调出本地摄像头，使用教学平台中的“人脸关键点检测”功能，观察系统实时画出的眼睛、鼻子、嘴部关键点。教师追问：如果人戴了口罩，系统如何应对？学生自然联想到眼周特征仍然可用。由此引出计算机视觉不仅包含图像识别，还包含目标检测、人脸识别、图像分割等子方向。此环节巩固练习嵌入数字学案：提供四张场景图，学生拖拽匹配对应的视觉任务类型。教师巡视，发现典型错误后集中讲评。多数错误发生在“目标检测”与“图像分类”的混淆上，教师以照片中同时有车和人的场景来说明：分类告诉“照片里有什么”，检测告诉“每个东西在哪里”，定位精度不同。2.自然语言处理：让机器理解人间语教师出示一段智能客服对话截图，用户输入“我上周买的蓝牙耳机右耳没声音”，客服先回应“请问您遇到过摔落或进水吗”，再回应“为您申请换货，请提交订单号”。教师提问：客服机器人的回复，是它“查”出来的，还是“想”出来的？学生争论。教师引导析：机器先将句子拆成“买”“蓝牙耳机”“右耳”“没声音”等词单元，再依据训练语料中的频率规律判断用户的意图属于“售后咨询”，进而匹配预设话术库。整个过程中机器并不真正理解“声音”的物理学意义，而是完成“映射—匹配—生成”三步操作。教师将本环节的关键词写成思维导图分支：分词、词向量、语义相似度、对话管理。随后学生玩“文本生成”闯关游戏：给定前四个词“今天天气十分”，让机器续写，平台提供“炎热”“适合出游”“还在下雨”三个候选。学生发现候选都通顺但含义不同，从而理解语言模型靠概率选词的本质。教师补充：2023年以来大语言模型之所以表现惊艳，正是因为其参数规模巨大、训练语料海量，但“概率计算”的内核没有变。3.专家系统与知识表示：模拟人类专家的推理教师切换场景，展示一个医学辅助诊断系统界面，输入症状“右腹疼痛伴恶心”，系统输出“疑似阑尾炎，建议超声检查”并附置信度。教师强调这是人工智能最早落地的研究方向之一。学生思考：这套系统没有摄像头也没有语音交互，它的“智能”从哪里来？教师讲解知识库和推理机的分工。用“动物识别”经典微型专家系统现场演示：如果动物有毛发且哺乳纲，则可能是鲸目或食肉目；再依据“有爪”推出“食肉目”，依据“有蹄”推出“偶蹄目。学生通过师生一问一答方式走完整个推理树，直观感受“规则+事实=新结论”的产生式推理过程。为凸显局限性，教师提问：如果碰见一只生病的蝙蝠，既没有毛发特征不明确，该系统还能工作吗？学生认识到专家系统依赖精确定义的规则，遇到知识库之外的边缘情况会失灵。由此过渡到与机器学习方法的对比，说明为何后来“学习”逐渐吸引了更多研究者目光。4.机器学习与深度学习：让机器自己找规律教师播放AlphaGo自我对弈棋谱可视化的20秒片段，以不同颜色光斑代表双方落子布局变化。之后引出核心设问：AlphaGo没有被人手写规则告知“三三尖顶”等围棋定式，它怎样变得能赢？学生猜测“看很多棋谱”“和自己下棋”。教师归纳出机器学习三步法：准备大量数据、选择模型结构、通过反复训练调整内部参数使损失函数最小化。教师用生活比喻加深理解：教孩子分辨成熟西瓜，不需要说清楚甜度阈值，只要带他拍过几十个西瓜并告诉他判断对错，他就能形成“手感”。机器学习本质上做的事与此类似，只不过“手感”体现为成千上万个数值权重。为让学生获得身体记忆，教师操作一个在线线性回归模拟器：随机生成散点，学生拖动拟合直线，观察损失值实时变化。拖动到最佳位置时，学生看得到损失值最小。教师由此指出，机器训练就是自动完成这个“反复调整”的过程，而深度学习用更多层级神经元来拟合更复杂的规律。此处布置小组任务：拆解一个现有案例属于哪类机器学习类型。教师提供三则案例卡片：垃圾邮件过滤器（监督学习）、电商用户聚类分群（无监督学习）、机器人走迷宫试错得奖励（强化学习）。各小组用两分钟讨论并派代表抢答，教师逐一点评，确保学生区分三类学习范式各自的数据标签情况和学习目标。（三）应用图谱——人工智能无处不在（10分钟）教师按“社会生产—日常生活—教育医疗—文化艺术”四个领域列出应用清单。社会生产领域，呈现工业质检中AOI自动光学检测设备标注缺陷的截图，结合前述视觉技术实现“透过现象看本质”的贯通。日常生活领域，以短视频平台推荐算法为例，解释协同过滤如何根据“和你相似的人喜欢什么”来推送内容，加深对“用户画像”的理解。教育医疗领域，展示智能批改作文的反馈详单，以及AI辅助肺部CT结节筛查案例。文化艺术领域，展示AI修复早期影像、AI辅助作曲片段。此处开展一次快速配对活动，数字学案中提供12项应用与10类技术方向的连线题，其中“智能家居语音控制”要同时连接语音识别、自然语言理解、智能决策三个方向，形成多对多关系。教师利用学生作答正确率数据实时调整讲解侧重，对易错项重点剖析。如很多学生误认为人脸识别打卡属于自然语言处理，教师需再次强调模态差异。随后教师给出两个统计图：全球AI专利申请量年度变化折线图，以及中国AI产业规模行业分布饼图。学生阅读数据并说出两个发现。教师引导总结：技术落脚点从感知层向认知层迁移，推理能力成为新赛场；应用爆发与算力成本下降正相关。（四）思辨研讨——双刃剑如何握（12分钟）分组讨论环节主题为“AI进校园：便利与边界”。教师提供三个亚议题：其一，AI批改作文的反馈是否可以替代教师评语？其二，课堂行为分析系统抓拍学生表情并推送专注度报告，这样是否恰当？其三，如果AI能帮你写出合格的研究性学习报告，你应该使用吗？全班分成六组，每组认领一个亚议题的正反方立场，进行四分钟组内准备。学生打开数字学案中的“观点证据表”，表格包含三列：立场、支撑理由、反方可能反驳。教师给出脚手架句式：我方认为……技术依据是……但需警惕……。研讨开始后，每组由一名主辩陈述，另一名同学补充，之后跨组自由反驳。教师在此环节克制发言频率，只在学生陷入情绪化或事实性错误时介入。例如有学生说“AI写作就是抄袭”，教师追问“如果AI只是提供大纲框架，你自行补充实验数据，这还是抄袭吗”，引导学生区分工具性使用与代笔性失范。另提醒学生关注算法偏见和数据隐私问题，以人脸识别在某些肤色人群中准确率偏低的研究报道为例，强调负责任创新的重要性。研讨结束，教师邀请每组用一句话总结共识。学生在白板上烁出如下高频词：辅助而非替代、透明可解释、隐私保护优先、高中生应有学术诚信底线。教师在白板中央写下“人文引领”四个字作为收束，并指出这就是本课关于技术应用的总态度：智慧且善良。（五）反馈评价——分层检测与自我画像（6分钟）本环节采用学案内置自适应测试，共10道题，分为基础回顾类（6题）、应用分析类（3题）、价值判断类（1题）。基础回顾类检查四大研究内容及其典型应用的匹配记忆，例如：医院影像科使用AI标出肺结节，主要依托哪项技术？应用分析类提供案例文字，让学生判断所用技术组合，并简述判断理由。价值判断题采用开放作答：“某公司用AI分析学生课堂表情以提升专注度，请从正反两个角度各写一条观点。”教师设定自动批阅与人工批阅混合模式，客观题即时出分，主观题由教师课后反馈。测试结束后，学生完成自画像雷达图。雷达图六个轴分别为：我能说出四大研究内容、我能区分机器学习类型、我能分析技术利弊、我对AI学习感兴趣、我了解AI伦理风险、我愿意参与AI项目实践。学生自主打分后，教师用简短语句引导：“这些轴上的位置就是你们的起点，也是我们后续课程的期待。”教师据此收集学情数据，为后续课时分组教学提供依据。（六）分层作业——延续思维与价值内化基础巩固作业为完成学案中的思维导图填空，同时模拟向家长介绍今天学到的四种人工智能研究内容各举一个生活实例。进阶挑战作业为三选一完成小项目：其一，使用在线机器学习平台训练一个“猫狗分类器”并记录训练集大小变化对准确率的影响；其二，设计一份“班级图书智能推荐方案”，要求画出数据收集、特征提取、推荐策略三环节流程图；其三，搜集一个AI引发伦理争议的新闻事件，撰写300字观点摘要，包含事件事实、技术原理、个人立场。拓展研究作业为浏览国家新一代人工智能发展规划相关文件，找出与高中生活相关的三条要点进记录，供下节课分享。六、教学反思本课历经两轮磨课，最大的调整发生在“专家系统”环节。初稿中该部分以教师讲授为主，学生接触实在感不足。试讲后学生反馈“感觉像老古董”“和我们生活没什么关系”。第二版改为用动物识别小型专家系统现场互动，学生通过回答“是/否”形成推理链，参与度显著上升。这提醒我，再经典的内容也必须穿上现代可感的“外衣”，否则知识容易悬浮于生活经验之外。第二处深刻体会来自研讨环节。学生对“AI写研究性学习报告”的讨论异常激烈，甚至出现“用了AI就不诚实”“但AI只是工具”的对峙。教师在引导时注意不急于统一立场，而是教给论证方法，学生的观点品质明显高于直接灌输结论。这也说明核心素养中的“信息社会责任”无法靠说教达成，必须放在认知冲突中淬炼。课时长度方面，预设45分钟标准课